cloud 云未来应用.pdf

准印证号：粤 BL0230022内部资料免费交流第十九期 2024 年 5 月未来应用 特辑未来应用，以智启航P01AI 产业大爆发，应用是赢得未来的关键P05应用现代化六大关键技术，加速企业数字平台进化升级P09本期特辑由华为云与应用现代化产业联盟联合策划4编印单位：华为技术有限公司出版人：董理斌 李明潇顾问：黄瑾 陈宝国 张宇昕 徐峰执行主编：张桂林 蒋宁静编辑：翟传璞 罗斌 林扬印刷单位：雅昌文化(集团)有限公司印刷日期：2024年5月24日发送对象：本行业、公司员工印数：2000册未来应用，以智启航华为云副总裁、战略与产业发展部总裁 黄 瑾.01AI 产业大爆发，应用是赢得未来的关键中国信通院人工智能所副所长（主持工作）魏 凯.05应用现代化六大关键技术，加速企业数字平台进化升级华为云 PaaS 服务产品部部长 徐 峰.09AI 驱动的软件研发：挑战与机会华为公司软件教练组 贾岩涛.15软件开发与演化：大语言模型打开的空间和带来的挑战南京大学教授、中国计算机软件工程专业委员会主任、国务院学科评议组成员（软件工程）李宣东.18目录CONTENTS主办：华为云计算技术有限公司本期特辑由华为云与应用现代化产业联盟联合策划电子版请登陆 阅读或下载索阅、投稿、建议和意见反馈，请联系编辑部：Email:编辑部地址：中国深圳市龙岗区坂田华为基地G1华为云热线电话：950808准印证号：粤 BL0230022内部资料免费交流第十九期 2024 年 5 月未来应用 特辑未来应用，以智启航P01AI 产业大爆发，应用是赢得未来的关键P05应用现代化六大关键技术，加速企业数字平台进化升级P09本期特辑由华为云与应用现代化产业联盟联合策划ChatDev：大语言模型多智能体协作式软件开发清华大学副研究员 钱 忱.23未来应用重塑千行万业华为云 Marketing 部部长 董理斌.26AI 时代的应用开发者变革CSDN 创始人&董事长 蒋 涛.28模块化设计的行业云：构建不动产行业的未来应用明源云生态发展中心解决方案总经理 郭世伟.30软件工程的进化“人在环内”到“人在环外”华为软件工程应用技术实验室主任 夏 鑫.32未来应用，以智启航黄瑾 华为云副总裁、战略与产业发展部总裁01未来应用，以智启航中把数据和 AI 用得好，估值就会大幅度的上升。福布斯 AI 50 的榜单提到，人工智能创业公司中有三大类：一类是在基础设施领域、一类是大模型本身、一类是在应用。在应用方面分为面向 2C 场景、2B 的通用场景和垂直行业场景。从趋势上看，基础设施层面有非常多做标注工具、数据生成、数据清洗和合成数据，我们判断在 2026 年之后提供给大模型训练的语料可能用尽，所以会有大量的公司做合成数据。AI 正在改变云的技术栈，AI 将重新定义云基础设施、增强数据、数智和开发平台能力，重塑所有的应用软件，并带来开发者生态的改变。大模型也将重塑千行万业，成为企业生产力的基础需求，帮助企业从解决行业难题，充分释放 AI 生产力。AI 出来之后，数据中心会发生很大的变化，基本上今天所有的数据中心都很难迎接 AI 的新技术。从架构上看已经出现了超节点，以前所有的外设是以 CPU 中心，现在不是的，内存是所有人共享的，所有外设都是共享的，协议要重新设计。为了应对 AI 趋势，存储已经发生了很大的变化，是内存存储。网络也会发生变化，好几层要合并，同时架构也会变化。所有的平台都会被 AI 影响，所有软件都会由AI 带来新的体验，生态是会完全的改变，以前的软件生态和未来可能会完全不一样。从福布斯发布 Cloud 100 初创企业调研报告可以得出几个简单的信息：生产力工具、互联网金融或者金融科技、数据领域的估值相对排名是比较靠前的。今年和去年最大的变化是 Cloud 100 企业里有 70 家在其产品中都已经深度使用 AI 的能力，估值排名第一就是 OpenAI，所以变化非常大。去年有一个体会，一个软件如果只卖License，PS 值*很难超过十倍。如果是纯 SaaS 软件，企业的估值和收入很容易突破十倍 PS 值。如果把数据和 AI 做好的话，通常很轻松突破 20 倍 PS 值。如果从Cloud 100 来看，有接近 100 倍 PS 值的，在未来应用AI 正在改变技术栈，大模型将重塑千行万业中国软件产业的发展需要培养软件付费的习惯，当前这个问题在慢慢改善。两年前整个中国超过 1 亿人民币收入的软件公司不多，估计有 30 家左右。但是最近看到跨过 1 亿人民币的软件公司到处都是，这说明中国的软件在慢慢崛起。随着数字化转型的深入就需要非常多的软件，这就是机会，所以我们看到云化转型、云服务企业软件是增速非常快的一个赛道。70家Cloud 100企业在其产品中使用AI能力TOP 3生产力工具/金融科技/数据Cloud 100估值类别排名Cloud 100估值排名#1*PS 值：PS 值为市销率（PS=市值/销售额），适用于电商、软件等未来价值较高的行业。02未来应用，以智启航动的编程助手。面向未来，多模态+巨声智能会有更大的发展，AI 最终会走向多模态，加上具身智能。现在有一个词很热“VLA”*，前面要感知，大模型会变成中控，会调用其他的模型、数据库、分拆任务等等，最终“A”一个是在数字世界里执行，另外一个是要直接控制物理世界。每一个员工都至少需要一个AI助手，每一个企业都需要 AI 大模型和数智融合平台从业务体验来说，我们认为每一个员工都至少有一个 AI助手，每一个企业都会有 AI 大模型和数智融合平台，每一款软件都需要 AI 大模型的赋能，每个 AI 都需要 AI 驱备件合单采购稽查代码生成企业客服法律咨询发票验真项目验收内部审计IT网络安全合同评审园区安全要货计划会议摘要硬件质检工程勘测物流预警零售门店产销计划收入预测海关清关投标市场洞察软件测试营销展会供需匹配线上电商简历招聘干部履历SRE运维智能原生，一切都值得用AI重做一遍以华为为例：AI是生产力革命，从20+到上万场景，逐渐深入到更多场景，创造更多价值业务模式重构智能原生数字员工AI治理组织人员转型算法场景数据算力AI是技术AI是变革AI更是思维改变开发者生态数据集生态，大模型生态，软件工程3.0重塑所有应用软件AI原生，80%数据+20%代码，SaaSFTaaS增强平台能力数据集，数智平台，开发平台重定义云基础设施超节点，内存池化，多网归一每一位员工都至少需要一个AI助手每一个企业都需要AI大模型和数智融合平台每一款软件都需要AI大模型赋能每一个应用开发都需要AI驱动的编程助手大模型正在改变云的技术堆栈大模型重塑千行万业，成为企业生产力基础需求解决行业难题释放AI生产力政务金融制造石油化工电力电网交通运输矿业零售AI 正在改变技术栈，大模型将重塑干行万业*VLA：视觉-语言-动作模型（VLA：vision-language-action）。03未来应用，以智启航每个企业都需要 AI 大模型和数智融合的平台，AI 首先是生产力的革命，大模型 AI 可以把原来所有的 AI 都做一遍，但是要取决于价值，从价值大的先做，不仅仅是技术、变革，还是思维的改变。实际上我们认为大模型用好会产生价值，只是说成本比较贵，一定要选价值高的先开始干。智能化反推数字化：大模型驱动数智融合智能化会反推数字化，我们看到大数据整个平台，是数据融合，是参考以下几个经典的东西：一个是湖仓一体（Lake House），其次要有一个数据网络（Data Mesh），最后是数据编织（Data Farbic）。再加上数智融合，因为整个数据湖和 AI 一定要共一个数据底座，共一个引擎，共一个工作台，共一个资源池，共一套安全机制，共一套存储，共一个数据接入方法，这样企业的效率才会高。加拿大有一个研究所专门研究 AI 对软件开发过程的影响，初步一个结论：基本上软件开发的所有环节，AI 都会起到非常大的作用，只是今天大部分人都用在编程和测试，因为编程和测试的效果是比较明显和快速的。实际上需求分析、设计、运维、收集客户的反馈等环节都可以用到，所以 AI 会对整个软件开发过程都有影响。未来软件应用正在朝着 Agent 方向积极发展，未来所有的应用都可以基于智能 Agent 来设计。Agent 很火，无论是学术报告还是创新公司都非常多，Agent 有多种路径，有大模型的 Agent，也可以是一个体外的 Agent，一个 Agent 可以调所有的软件，不仅仅是调自己的软件，会做一图识别、任务分解，包括控制等等，这对软件也会产生非常大的变化。当前还面临很强的市场竞争，要加速发展做到世界第一的竞争力。一定要抓住产业的下一跳，还要发挥自身独有的优势。中国有很多开放的行业场景，很多行业走得很快，我们要用下一代的技术和方法快速做到世界第一，马上就有机会复制给更多的客户，甚至海外、全球，我们的竞争力就会起来。比如华为有军团，为什么成立军团？就是要深入客户的场景，只有将一个个场景做到世界第一的竞争力才能在商业上成功。不深入场景，是做不好的。第二，为了加速中小企业，全国有160 多个地方政府与我们合作建立赋能中心，开发了数百个新的方案和产品，所有软件伙伴跟我们一起在赋能中小企业，大部分是基于公有云进行开发和部署的，复制起来会更快。第三，跟我们一起组团出海，2023 年年初有 300 多个企业跟我们出海到印尼，中国的软件和云厂商一起抓住产业的下一跳，在自己的场景上做成世界第一的竞争力，一起走向全球，相信我们的产业就会发展得很好。04AI 产业大爆发，应用是赢得未来的关键魏凯 中国信通院人工智能所副所长（主持工作）05AI 产业大爆发，应用是赢得未来的关键大模型代表了人工智能发展的新范式大模型出现以后改变了人工智能很多发展的范式，我们认为至少在四个方面跟以前人工智能显著不一样：第一，有规模扩展性：尤其是大语言模型，DeepMind 率先发了一个研究报告，他们发现堆数据、算力、扩大参数可以让模型效果变得越来越好，这是在 2020 年的时候发的文章。之后 Open AI 在 GPT 上也发现这个规律，持续堆这些资源，可以让性能变得越来越好。到现在为止大语言模型还没有看到规模扩展性的瓶颈，所以全世界对AGI 到来的乐观理由就是规模扩展性还在持续。同时不光是大语言模型的规模扩展性，现在视觉模型上可能会探索出来，这是乐观最重要的一个原因，规模可以让性能变好，以前小模型是没有这样的特性。第二个最重要特性，现在是多任务的：一个模型可以处理很多能力，下游任务的适应性非常多。最近的变化不仅是多任务，而且是可以走向跨模态，实际上所有物理上的信号可以被编码到同样一个高维的向量空间。一只狗或一张图片在被输入之后可以在向量空间中离得很近，这就让大模型具有了实现跨模态生成理解的能力，所以多任务适应性是非常强的。大家一致在探索，这也是为什么既可以生成文本也可以开车，也可以搞 RT2*的具身智能，这是非常大的变化。大家越来越认为平台化的机会出现了，以前人工智能都是一个个烟囱，企业恨不得有几百个模型，形不成很好的规模效应，有了多任务适应性之后，人工智能在企业场景中可以规模部署，这也是一个很好的消息。同时，表现出来了复杂理解推理能力：不仅靠自己可以进行复杂推理，也可以教它一步步怎么做，就是思维链让大模型表现出越来越强的复杂推理能力。前几天微软发了一个研究报告，不去微调模型，只靠把内容写得越来越细，就让 GPT4 发现在医学上很多惊人的能力，所以可塑性非常强。最后知识吸收能力是超强的：这不仅是自身可以记忆信息，同时我们现在业界都在探索，把它和知识图谱跟向量数据库结合起来，让它的记忆更准确，防止出现幻觉。所以整体上这四个方面是展现出大模型代表新的人工智能发展范式。发展范式也在启发新的人工智能技术的发展，大家都朝着这个方向在努力，这就会让技术日新月异的发展。现在大家都在探索人工智能大模型的发展之路，我们看到了一纵一横的路线。一横就是仿真式 Model 的能力越来越强，他们认为不需要垂直模型，一个模型就搞定所有事，这是理想主义者的路线。当然也不排除很多用小模型，用垂直模型解决行业里的专业问题，这是现实主义路线。这个路线不能说谁对谁错，只是适应性的问题，我们需要因地制宜地看待它，但都不能忽视。万一仿真式 Model 可以干任何的事情，真正的 AGI 来了以后，这些垂直模型可能就面临非常大的压力，所以两条路都要得到重视。企业到底怎么落地大模型，把大模型拿回去怎么做，要么是从零开始训练，准备原始的数据，从零开始把参数一个一个确定，当然这会消耗巨大的算力，相信很少有用户会这么做。我也相信，中国所谓有 200 多个大模对比维度规模可扩展性多任务适应性复杂推理能力知识吸收能力传统 AI数据量增大，性能容易陷入瓶颈一个模型只能完成一种任务，单模态基于规则，难以支持复杂推理记忆能力有限大模型随着训练算力、数据的增加，模型性能可持续提升（Scaling Law）一 种 模 型 可 完 成 多 种任务，多模态/跨模态（GTP-4V，Gemini）数据驱动，支持复杂推理（Chain-of-Thought）几乎可压缩人类所有知识，知识增强（RAG）*RT2：（Robotic Transformer 2）是一种全新的视觉-语言-动作（VLA）模型，它从互联网数据和机器人数据中学习，并将这些知识转化为机器人控制的通用指令。06AI 产业大爆发，应用是赢得未来的关键型，大部分不是自己直接从零练出来的，大部分是调出来的，微调是用户正确选择，但是微调也有深浅，也有投入大小的问题。SFT 投入可能比较多，指令微调投入非常小，也是看你从可控性、投入成本、产出来选择不同的大模型引入的路径。当然可以直接用，比如用华为云云上服务也可以。大模型的应用，可以用在很多场合，几乎没有它不适合的场景。通过调研发现，目前来看，现在中国企业各个行业，包括金融机构这些行业，他们的预算比较紧，要降本增效。所以刚需场景肯定是最开始使用的，刚需场景有三个很显著的场景：一是内容生产：替代文案、营销、办公，可以成为辅助生产力。二是知识管理：这也是非常明确的，每个企业都需要有一套员工培训系统、客服系统、信息检索系统，这是把企业沉淀下来的知识能够很好管理和使用起来。三是软件开发：开发测试、文档生成对软件开发行业是非常的重要生产力提升。四方面抓手促进人工智能工程化，加速AI 赋能千行百业现在来看，还有很多挑战，这就是需要 SE4AI*，我们需要用软件行业、软件工程里的很多经验让人工智能更顺畅地落地。第一个现在面临的挑战：企业引入的时候工具链不是很完善，很多要自己动手，非常复杂。所以企业在大规模引入 AI 时，首先需要一套完善的工具链，需要一个平台，而且大模型有一种通用性，这也给大型企业成体系的规划人工智能平台或者中台创造了条件。产业界也需要跟上，很乐观看到这种开源工具，让 MaaS服务越来越成熟，让技术工具的门槛降得越来越低。数据治理：如果企业要把人工智能引入，不可避免地要把私域数据激活，客观来看，国内企业数据治理水平还是很差的，这使得行业经验差距比较大。全国有 40 万家企业，现在才有 2000 家企业通过了数据管理能力成熟度的评估，为 AI 准备的数据管理能力当然更差。如何配合人工智能的全栈引入、微调等等，做好面向 AI 的数据治理，这也是非常重要的抓手和挑战。运营管理：软件工程的经验有 Devops，AI 也需要一个拉通、研发、使用测试整个环节的管理体系。现在 MLOps也是非常火的，在大模型时代也需要把研发管理体系建立起来，适应 AI。风险：引入 AI 不可能没有风险，但是也不能因为有风险就不往前走，一定要做风险的度量、风险管控、成体系*SE4AI(Software Engineering for AI)：软件工程赋能 AI 研发。07AI 产业大爆发，应用是赢得未来的关键的规划、风险水位的监测和应对处置的机制。只有这四个抓手抓实了，才能真正为人工智能到行业赋能做好充分的准备。人工智能在软件工程里头的应用是无处不在，环节、场景是非常多的。我们也看到好多头部企业已经尝到甜头，在代码自动补全、生成、测试、使用、研发等各个环节都发挥很大的作用，尤其是像金融机构、互联网公司，已经在研发部门全员普及这样的文化。未来人工智能大模型对于研发模式和组织架构的影响，现在是生产工具、生产力的变革，当应用到一定程度和深度的时候一定会激发模式变革和组织架构变革。我们看得不是特别清楚，但是有两个模糊的感觉：一个是以前软件开发从瀑布式到敏捷开发的模式，大模型来了以后一定会有新的发展，我们需要提前思考。另外一个组织角色、人力分配的变化，以前软件开发是一种大兵团作战，现在由于编码效率、测试效率的提高，我们未来可能是架构师和少量软件代码工程师的配合，是一种特种兵的作战模式。这是初步的思考，化学反应还正在发生，可能需要进一步观察。国家提要走新型工业化的道路，中国要走中国式现代化，要创新驱动，要绿色发展，要普惠、国际化等等。其实我们提应用现代化，实际上是微观层面的，我们的目标是让新型工业化中的数据驱动发动机就是应用，应用是要围绕新型工业化中很多目标做数字化转型、智转、数改等宏大的目标，最终是为了支撑中国式现代化，这三个化是一脉相承的。其中最大的变量是 AI，尤其是未来即将到来的通用人工智能，人工智能是我们国家发展新型工业化最大的技术变量，这个最大技术变量用到新型工业化是非常合适的。当然对于应用现代化，对于整个中国式现代化也是适用的，通用人工智能将是未来中国发展最大的技术变量。AI 工程化以技术工具、数据治理、运营管理、风险管控为核心，实现大规模、高质量、高效率的开发与应用，推动可信 AI 体系化落地。面向AI基础软硬件各层级构建自底向上全栈式软件栈面向数据处理、开发训练和部署推理全生命周期，构建端到端完备易用的工具链建立数据共享中台或数据集成平台，增强企业内部数据供给能力提升全生命周期数据质量管理能力，端到端提升数据质量联结开发团队、部署团队、运营团队及风险管理团队建立ML研发、部署和运维流程的标准化体系通过机构建设及管理机制落实AI治理战略目标，全面管控AI风险通过技术工具提供全面支撑，保障AI数据、模型及系统可信技术工具数据治理运营管理风险管控质量管理资产管理实施交付工具平台MLOps评估测试开发管理模型部署AI资产管理构建集成监控维护AI中台基础设施应用应用类工具数据处理开发训练部署推理AI资源管理工具战略规划机构建设管理机制技术工具明确目标统筹协调管理基础支撑AI数据工程设计采集筛选转换清洗标注增强回流08应用现代化六大关键技术，加速企业数字平台进化升级徐峰 华为云 PaaS 服务产品部部长大模型技术重塑软件研发，孕育着颠覆式的应用开发新范式大模型对于软件研发的一种重塑，我们一直讲一个范式：从 In the Loop 到 On the Loop。现在大家看到的大模型在软件研发领域的应用大部分情况是一种辅助的角色，最终软件开发还是人，还是各个程序员，但是未来可能会发现在软件里面有很多角色会真正被人工智能替代。从我们的测试工程师慢慢到写代码的工程师，逐步有一些环节被替代。这样会发现原来做软件的人可能已经从软件开发的循环中跳出来了，我们称之为是有上帝视角，就是变成 On the Loop，不在循环之内，会站在治理的角度看软件，这样可能对未来很多应用开发模式带来本质上的颠覆性的结果。09应用现代化六大关键技术，加速企业数字平台进化升级我们看到软件本身，更准确地说是未来应用的本身在变化。以前的应用都以软件为主，但是未来的应用会发现有数字内容，就是新媒体的形式。也会有大量的数据在软件之中，进而有人工智能的模型在里面。之后再和原来的代码融合，这样就变成了一种“数智媒融软”多模态的应用。可以想象原来只是软件代码的生产过程肯定不能匹配新型应用的生产过程。另外软件本身，以前最简单的交互模式都是通过命令行、图形界面，未来会变成大量的应用都是通过智能助手，不管是通过对话或者是更新型的形式交互，但十年以后的黑客帝国，可能看到的世界都是由 AI 给你重塑出来的。对于以前的软件是由我主要设计场景是什么，而以后可能是 AI 来给你制造新的交互世界，你在这个交互世界中寻找到自我，本质上在软件本身就会变化。这样使得在整个软件全生命周期，应用全生命周期，从设计、开发、测试，以及运维都会有革命性的变化，所以这些一定会影响未来应用。其实什么是应用现代化，应用现代化一直是一个过程，我们希望一个企业的应用能够从传统的应用走向一个现代化应用，这是一个过程。但是怎么能让这个过程被加速，这就是我们企业所面临的问题。所以之前讨论过到底传统应用跟新型应用有什么区别，因为我们知道未来的企业客户需求越来越多，意味着需要越来越多的应用，但是这些应用按照开发者的速度来看，中国开发者可能现在专业型就是一千万左右，未来预测到 2025 年可能这种应用数量将是过去人类历史上 40 年的总和，这么多的应用要被制造出来，怎么样能够让应用的制造量变大，是不是需要让所有人都能参与应用的开发，这样称之为未来要变成全民都要能开发应用，这样才能真正满足未来企业的要求。企业大量的数据是烟囱型的，怎么让数据被唤醒，被高效地利用，为未来的智能决策提供价值，这也是面临的问题。最近出的软件现代化里面讲应用最核心就是要速度，就是要快。以前都是按月为周期，以后怎么变成按天级产出，这也是企业希望的。还有本质上现在的应用也在进行架构性的调整，从单体走向越来越多微服务，进而演进到 serverless，不需要为运维提供更多的能力，所以新一代的技术架构也在驱动我们的应用在变化。同时我们现在看到随着比特币的出现，这种对于安全的讹诈不像以前有很多链路可以追踪。近几年在软件供应趋势 1：大模型技术重塑软件研发，孕育着颠覆式的应用开发新范式In the Loop（AI辅助人代码开发）1On the Loop范式（人监督AI开发）2开发1.0开发2.0开发3.0DeepMind AlphaCodeVS应用系统大模型大模型应用系统100%80%20%需求/指导(LUI)(监督)软件开发LoopCTO 架构师Agent产品经理AgentApp开发 agent测试 agent10应用现代化六大关键技术，加速企业数字平台进化升级链的攻击已经按照每年 6 到 7 倍的方式在增长，以前应用安全的方式都是建篱笆和围栏，用各种墙拦在外面。未来需要让安全内生起来。第二个，大家现在都知道软件应用成分 70%到 80%都是开源软件。每天都在社区公布漏洞，去年公布的漏洞达到 3 万多，意味着你写的软件每天黑客都可以看到应用开源软件的漏洞被公布，就可以攻击进去。所以怎么能让应用变成内生和全生命周期的安全，也是企业面临的挑战。还有更重要的就是随着整个企业 IT 变成业务最核心的应用，几年前看到公告某某机房检修，应用可能要停几个小时，现在每停一个小时基本对企业都是损失百万以上，所以变成 724 小时永远不能停机的应用已经变成企业的基本要求。面对这些现代化应用的诉求，我们发现必须让所有的应用都能够被加速，这才是一个应用现代化最高效的路径。所以我们构建了企业数字化的平台，这个平台最重要的就是能够把企业面对未来现代化应用的基本要求内置到平台上来承载。未来会有越来越多的像人工智能新技术、区块链新技术，必须需要有一个平台导入，不可能让每一个应用开发者将新的技术部署研究一遍，如果它能够变成数字化的能力基座，这样企业进化速度就会变快。在华为公司有很知名的几个变革项目：一个是面对研发的 IPD 变革、面对供应链的变革 ISC、财经变革 IFS，每一个变革为华为在该领域能力的提升都是倍级的增长。现在随着华为公司又有新的挑战，因为我们已经生出很多新的公司，从集团原来的集中式的作战现在变成“村自为战”，为企业 IT 提出新的要求。我们希望“6+1可”，意思是当我决策明天有一家企业分离出来的时候能够做到，如果是物理新开所有的 IT，我们希望做到三天，如果需要以多租户的形式，希望一天之内就把一家新的公司分离出来。公司需要具备什么能力就是“6+1可”，马上就能够研发，马上就可以有营销体系、供应链体系、财经体系、人力资源体系、行政办公体系能立即运作起来，而且使得内控审计立即运作。我们认为未来的新型企业只有这样才能真正满足在数字化变革里面的基线要求，我们需要用数字平台来承载企业未来的现代化应用的历程。全民+专业开发者多活MTTR分钟级TTM天级微服务Serverless全生命周期安全数智化运营决策业务重构和应用现代化标准规范、新技术数字平台“6+1可”专业开发者管数用数难运行时安全单体应用TTM月级单点MTTR天级业务1业务2传统IT应用现代化IT应用可内控审计内控审计稽查可采供制制造订单采购可财经经营税务资金可营销服销售营销服务可研发研发工具硬件工具产品数据可行政办公办公行政资产可HR人才发展组织发展薪酬福利华为 IT 实践：建设数字平台，注入新技术，承载规范，实现 6+1 可11应用现代化六大关键技术，加速企业数字平台进化升级缩短到两个小时。第二，为了让语言尽可能归一，会重构或者重写一些模块，这些模块通过大模型，最终都会变成虚拟机上运行的内容。所以用这样自动翻写的能力，可以把很多的程序转换成 JAVA。同时在很多定位方面，可以有大幅地提升。我们发现在很细节的点上，真正的软件开发除了补全能力，还有很多应用里面，场景上有几十个都能够帮助开发人员大幅地提升效率。第三，低代码开发。过去程序以前都是模块型，未来很多场景都是适合低代码重构，比如华为云有运营系统，驾驶舱。运营系统的用户下订单都是流程性的。过去都是把流程写在代码里面，但现在通过工作流的方式，可以进行流转的描述，这样未来理解业务人员，比如订单流程怎么调整，只需要把拖拽流程的节点重新设计业务流又可以更新了，可以把以前一个软件周期按照月的方式变成每天业务人员都可以调整这个流程，所以在这类流程作业的东西完全适合低代码的。还有很多领导喜欢看报表，驾驶舱很多都是前台加上后端的数据对接，很多大屏应用都变成一个个前端的微键以及后端微服务对接的模式，可以非常容易以拖拽的方式进行存储，这样一个大屏的定制不再需要代码，效率基本上提升 50%。我们有很多应用都类似，比如在华为不同产品线之间，有很多数据原始模型是一致的，但是每一个业务都有定制化的要求。过去都是用拓展字段完成的，但现在大家都知道非常出名的 Saleforce 为什么能够把各个厂商用户管理的东西都能识别，因为是基于多租和原数据的技术。所以在低代码中把原数据描述清楚之后，后面应用基于原数据的重新组装，又可以变成更加快捷的方式。它带来最大的收益是过去针对不同的定制会变成几十个，甚至上百个版本，但是现在用原数据多租，主线路只有一个版本，所有定制都是在原数据本身上面进行差异化。我们在数据应用的时候，有很多生产制造的东西是确定性问题，如果用大模型的话，可能每次给答案都不太一样，这样会带来一些困扰，但是我们有大量的数据之后，只要是有限源的处理可以还原成数学，最后变成求什么样的应用能够真正做到现代化应用，后来我们也把这样一些标准贡献给联盟。这个标准上面是金字塔，顶上关注的就是业务感知，因为所有未来企业的应用都是以用户为核心，过去传统的应用都是功能型，未来系统都是以人为中心的，你需要出差，飞机、火车、酒店都是围绕你的用户历程进行组织，这才是新型的应用。中间的层次就是新型的应用，我们称之为 DFX 的能力，需要把高可用、弹性的东西内置进去，一共是八个维度102 个指标，一步步衡量起来，才认为这样的应用满足了现代化应用的一些能力。第二，我们认为越来越多的应用，尤其在企业里面会有非常多的成熟资产，这些资产应该像乐高积木一样是被组合组装，才能有最高效地重用，使得以后懂业务的人员就可以一点点将应用制造起来，就是懂得讲清楚有需求的人，未来就是生产应用的人。第三，会应用更多数仓、数据的平台汇聚数据再使用智能化的能力，使得我们应用数据价值被发挥出来。第四，应用现代化新型服务化的架构改造原来的应用架构，再就是通过全域供应链安全的一些技术，使得我们的应用从原来的单体防御或者运行态的安全走向全生命周期的安全，增加整个应用韧性的能力。华为云应用现代化 6 大关键技术，引领企业数字平台升级进化第一个，研发智能化。在 HDC 大会上发布了 CodeArts Snap 也就是基于盘古大模型的研发智能化的能力。华为内部现在有 2 万多开发人员在深入使用基于盘古研发模型的能力。在我们网优网规的部门有很多算法，而且平台中有很多种语言，员工一进来对于不同语言的理解和熟悉程度都是有差异的，尤其是很多深度的算法，很多都是用函数方式形式写的，这样对于员工理解是有障碍的。还有很多问题的定位周期也很长，因为对整个程序的理解不一样。我们使用智能化助手以后做到很多辅助经典算法的分析，就把代码圈起来就会跟你解释，对于开发人员理解代码非常有价值，可以从三天理解时间12解的问题。在华为很多生产排产，因为涉及到生产、物流等各种各样的因素，我们反过来可以用求解的方式来解决这类的问题，这样使得过程可以更加确定。在这些点上，最大就是南方工厂，排产应用 AI 求解器后，每年在排产和调度上年节省的资金是 2 亿多，库存提升了37%，而且整个任务令的自动执行效率也提升了 52%。所以在智能化的时代，一部分的非确定性问题都在按照大模型的方式在探索，但也有很多确定性的问题，一方面用数学求解器的能力在解决，同时还有一个方法，那就是让 AI 写成程序，因为程序的最终输出也是确定性的。这样就能把企业遇到的两类问题很好地解决。前段时间华为对外发布的 MetaERP 是服务于华为公司生产制造、供应、采购、财务业务的 SaaS 应用，但是我们在年间、季末、月末有大量的计算，而且这些计算要求很短时间内要把结果输出，对算力的集中要求非常大。过去只能把资源进行统计，但实际上就会发现是非常典型的波峰情况，到这个时候才应用，平时都是闲置。使用到 Serverless 直接将弹性的能力融入到云的能力，当你需要算力的时候立即供给给你，而且应用都变成一个个函数的处理，所以使得在 MetaERP 的应用，整体资源的消耗降低了 70%，为企业省了大量的钱。同时在很多应用的冷启动时间是用快照的方式，从 100 多秒下降到7 秒，真正开始满足企业，尤其是在突发性计算任务上，真正能够帮我们企业节省。第四个，安全可信：安全就是让研发工具端到端形成更可靠的供应链体系，让 12 个攻击点的地方都被防御。但是现在包括美国和欧洲都在出台一个新的 SBOM 软件清单的标准，我们的产品发出去的时候，可能都不知道里面的成分，开源软件、版本、集成第三方的情况。但是这些就可能变成软件最不安全的要素，所以说现在软件的管理也像硬件一样，我们的硬件用什么芯片都是清清楚楚的，以后软件在生产过程中都会最终在交付件上提供 SBOM 清单。SBOM 清单在中国也在形成标准，以后在软件的编译过程就会出这样的清单，对于软件制造商可应用现代化六大关键技术，加速企业数字平台进化升级13应用现代化六大关键技术，加速企业数字平台进化升级数字平台6大关键技术业务1业务2传统应用现代化应用TTM月级专业开发者单体应用运行时安全单点MTTR天级管数用数难TTM天级全民+专业开发者微服务/Serverless全生命周期安全多活MTTR分钟级数智化运营决策1.研发智能化2.组装式交付3.数智驱动4.服务化架构5.安全可信6.韧性华为云应用现代化 6 大关键技术，引领企业数字平台升级进化以非常清晰地看到你依赖的软件，当一个漏洞发布的时候就知道对现网有多少影响。反过来，也保护了软件一致性上的新要求，所以这块也会变成安全非常重要的环节。最后一个是韧性。在华为云上引入混沌工程，我们一直期望软件设计的永远高可用，这些都是做不到的，一直讲只有在实战中才具备经验。所以好天气是造就不了好水手的，所以现网的环境是必须需要越来越多容灾的检验，才能够提升风险应对能力。混沌工程是验证系统韧性的方法，通过主动引入故障，解决这些问题，发现和修复系统弱点。在华为云中，已经大概总结出了 200 多个故障模式，有八大类的容灾预案。每年会开展 2500 多次常态化的故障演练，现在来看，已经帮我们拦截了接近 90%以上可能会导致二级或三级事故的风险。所以希望通过混沌工程的方法能够使得未来要做到 1 到 5 分钟就能够感知故障，10 分钟内就能够跟进，30 分钟内就可以完全恢复业务，这样未来这些应用才能更加稳健。14AI 驱动的软件研发：挑战与机会贾岩涛 华为公司软件教练组15AI 驱动的软件研发：挑战与机会再看现在做的一些事情，大模型是否能提升软件开发效率，不管是工业界还是学术界，尤其是微软讲多少人在用大模型，我们内部也在用这个东西，做这个事情。华为大模型的使用是从设计开发到测试交付、维护，都有可能在用这个模型。目前的规划是做知识管理和代码生成，这是两个最重要的实践。另外智能生成实践，大模型辅助 OM 开发自动化，提升OM 资源研发效率 70%。这个挑战在于内容特别多、步骤特别长，整个 Mini 行要 26 个步骤，非常容易遗漏。学习曲线特别陡峭，有 380 多种模型属性，落到脚本有246 个 API 的函数，应用逻辑很复杂，这么一个复杂的东西特别容易出问题。我记得 2020 年在产品线团队调查，一个新员工进来学这个东西，大概两个月做一个 MINI 行，现在通过大模型和各种方法，把中间的某些步骤自动化，我们的目标是能够争取在天级，就是两三天做一个。另外整个研发工具链中，刚才 AI For SE 与 SE For AI，这些都是可以做的，包括知识获取、AI 应用、模型与服务等。在数据这块也是非常重要的，我们自己有教训，很多都是用开源模型去搭，如果开源模型混上自己的数据不一定能力是提升的，如果数据没有弄好，或者没有对齐，经常有时候模型训出来是变差的，或者某些方面的能力好了，另外方面的能力差了，所以数据是很重要的。软件研发面临的主要挑战：系统复杂度的无限膨胀目前华为公司面临的主要问题，第一个是规模，系统复杂度已经是代码仓有上千亿行，虽然我们自己只有几十万行，但是开源代码加起来有上千亿。我们版本是以千为单位，这不是全公司的，有些产品线一个产品在线上活跃的版本就是几千个。第二是软件集成发布流程复杂，不管是用共主干开发，还是用分成流水线发布，使得整个软件集成和发布特别复杂。另外一个很大的问题，定位定结越来越困难，不管是自己的模块、开源、第三方，系统的定位定界是难的问题。从开源软件整个层次也可以看出企业软件越来越复杂，在这么多软件里面，选择你要的东西，这时候还要考虑资源利用率、性能、可靠性、安全隐私等等，全局的复杂性使得软件开发越来越困难。2019 年公司变革时候的调研，我们从代码量增加到团队规模的增加从组织流程的复杂度再到工具环境的复杂度到管理度，人力成本是下降的。另外是交付节奏，我们希望按月交付、按天交付，我们是八个月一个版本，现在能做到 6 个月一个版本，所以交付节奏的加快也使得系统复杂度越来越大。软件研发面临的主要挑战：系统复杂度的无限膨胀端到端生命周期管理难度大代码：几十万行 上亿行版本：几百 上千个研发人力：几百 上千共主干开发流水线：分层分级发布发布周期不一模块多，开源&第三方引入特性问题定位难系统性问题需分层定位系统复杂度逐年升高软件集成发布流程复杂定位定界困难16AI 驱动的软件研发：挑战与机会现在主要的工作重心包括模型开发、模型运行和模型运维运营，这是我们正在关注的几个方面。还有华为公司有很多内源项目，最近有一百多个内源项目出来，比较有名的项目，一个是 AICoder，全球技术服务部搞的一个框架。还有一个小鲁班机器人，可以自动回答公司每一个员工日常问的问题，当然后面有很多引擎，不一定是大模型。面向未来，我们期望面对软件的复杂性方面来解决这些问题，一个是怎么优化的我们研发过程；第二是怎么做知识积累；第三是怎么帮助个人提升能力；最后一个是在组织团队方面怎么促进协作。AI 技术给解决软件复杂性带来了很多新的机遇和挑战 对员工个人的影响：充分利用大模型的能力，快速学习新技能 对团队或者公司的影响：构建更强大的知识系统，加速员工的学习效率，提